OPTIMIZACIÓN DE LA OPERACIÓN Y LA CALIDAD DE · PDF filegPROMS, disponiendo de...
Transcript of OPTIMIZACIÓN DE LA OPERACIÓN Y LA CALIDAD DE · PDF filegPROMS, disponiendo de...
VII CAIQ 2013 y 2das JASP
AAIQ Asociación Argentina de Ingenieros Químicos - CSPQ
OPTIMIZACIÓN DE LA OPERACIÓN Y LA CALIDAD DE PRODUCTO EN
UN CIRCUITO DE GRANULACIÓN DE UREA, BAJO CONDICIONES DE
MÍNIMA AGLOMERACIÓN
María Paula Chiarvetto Peralta, Sussy Véliz, Verónica Bucalá, Juliana Piña,
Ivana Cotabarren*
Planta Piloto de Ingeniería Química
(Universidad Nacional del Sur - CONICET)
Camino La Carrindanga km. 7 - 3000 Bahía Blanca - Argentina
E-mail: ([email protected])
Resumen. A partir de información experimental disponible, en primer lugar
se postula un parámetro empírico que permite predecir la ocurrencia de
aglomerados (fenómeno de crecimiento no deseado en los procesos de
producción de urea granulada) en función de variables operativas típicas de
la unidad de granulación. En segundo lugar, se incorpora el cálculo de este
parámetro a un simulador de un circuito de granulación de urea previamente
desarrollado. Contando con estas herramientas, se evalúan condiciones de
operación óptimas mediante la implementación de optimizaciones de estado
estacionario y dinámico, sumando a las típicas restricciones operativas del
circuito de granulación, el límite de aglomeración definido por el parámetro
empírico que se postula en este trabajo. Los resultados obtenidos indican
que es posible maximizar la cantidad de producto en especificación,
minimizar la relación de reciclo y aumentar la capacidad de planta
respetando las restricciones físicas del proceso y de calidad de producto,
bajo condiciones de mínima aglomeración. Por otro lado, se demuestra que
la restricción referida al parámetro de aglomeración se torna activa en varios
de los problemas planteados, indicando la importancia de su incorporación
al simulador.
Palabras clave: Circuito de Granulación - Urea - Optimización.
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
1. Introducción
Los procesos que manejan sólidos particulados son numerosos y de gran importancia
en la actualidad. En particular, el aumento de tamaño de partículas por granulación es
un proceso fundamental en la industria. La granulación se define como el crecimiento
de pequeñas partículas (semillas) mediante recubrimiento (crecimiento gradual o
diferencial) o aglomeración (crecimiento discreto) por la deposición y
secado/enfriamiento de gotas de un ligante en solución acuosa/fundido (Litster et al.
2004). En la industria de fertilizantes, el proceso de granulación se considera como uno
de los avances más significativos debido a que permite obtener productos sólidos con
claras ventajas en cuanto al almacenamiento, transporte y manejo (Balliu y Cameron
2007). Entre los fertilizantes nitrogenados de mayor aplicación a nivel nacional y
mundial se encuentra la urea; en particular bajo su forma granulada, cuyo mercado está
en constante expansión. El proceso industrial de obtención de urea granulada involucra
una serie de equipos que constituyen el denominado circuito de granulación (Fig. 1). La
unidad central del circuito es el granulador de lecho fluidizado multicámaras, donde se
produce el crecimiento de semillas de urea (material fuera de especificación) por la
atomización y enfriamiento de gotas de una solución concentrada de urea (Bertín et al.
2007). La corriente de salida del granulador se deriva a un enfriador de lecho fluidizado
para disminuir su temperatura. Luego, las partículas se clasifican en una zaranda
vibratoria de doble paño en: gruesos (partículas de mayor tamaño que el deseado), finos
(partículas de menor tamaño que el deseado) y producto. Los gruesos se envían a un
molino de rodillos para reducir su tamaño y se reciclan junto con los finos al granulador
como semillas de crecimiento, mientras que el producto se envía a almacenamiento
(Cotabarren et al. 2010). El régimen de crecimiento deseado en el proceso de
granulación de urea es el recubrimiento. Sin embargo, y según las condiciones de
operación, son factibles otros fenómenos de cambio de tamaño no deseados (i.e.,
aglomeración, rotura, atrición, nucleación). Además, estos circuitos suelen operar con
grandes relaciones de reciclo que no sólo conducen a oscilaciones en la calidad del
producto sino que también generan frecuentes problemas operativos. En consecuencia,
resulta fundamental el modelado y simulación de los procesos involucrados en el
circuito para lograr optimizar su operación (Adetayo et al. 1995; Heinrich et al. 2003).
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Polvo
Producto
granular
Alimentación
Producto en
especificación
MOLINO
Gruesos
Finos
ZARANDA
Aire de
fluidización
Solución de urea +
Aire de atomización
Aire de fluidización
Semillas
GRANULADOR
ENFRIADOR
Polvo
Fig. 1. Circuito de granulación de urea típico.
El modelo dinámico del circuito de granulación que se utiliza en este trabajo fue
desarrollado y estudiado en contribuciones anteriores mediante: el modelado de cada
uno de sus componentes, posteriores análisis de sensibilidad paramétrica del sistema
operando en estado estacionario y dinámico, diversas optimizaciones de estado
estacionario y estudios de problemas de control óptimo dinámicos para maximizar o
minimizar distintas funciones objetivo (Cotabarren et al. 2010; Cotabarren et al. 2011).
Por otro lado, el circuito de granulación fue validado con datos experimentales de una
planta industrial operando bajo el régimen de recubrimiento (Cotabarren et al. 2013). El
simulador desarrollado demostró ser muy eficiente para predecir la operación de una
planta de granulación operando en condiciones tales que se minimice la aglomeración;
sin embargo, hasta el presente la herramienta desarrollada no permitía identificar bajo
qué condiciones operativas del circuito el mecanismo de crecimiento se alejaba del
deseado. Por esta razón, se realizaron en paralelo tareas experimentales que
proporcionaran relaciones entre la formación de aglomerados y las condiciones
operativas de un granulador de urea de lecho fluidizado escala piloto (Cotabarren et al.
2012, Veliz et al. 2013). En función de los datos existentes en el grupo de trabajo, en
esta contribución se postula un parámetro empírico para predecir la ocurrencia de
aglomerados en función de variables operativas típicas de la unidad de granulación. En
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
segundo lugar, se incorpora el cálculo de este parámetro al simulador de un circuito de
granulación de urea previamente desarrollado. Contando con estas herramientas, se
evalúan condiciones de operación óptimas mediante la implementación de
optimizaciones de estado estacionario y dinámico, sumando a las típicas restricciones
operativas del circuito de granulación, el límite de aglomeración definido por el
parámetro empírico que aquí se postula.
2. Descripción de Modelos y Métodos de Resolución
Los distintos equipos que constituyen el circuito de granulación y los modelos
desarrollados para su representación se describen a continuación. El molino de rodillos
usado en la etapa de reducción de tamaño está constituido por dos pares de rodillos que
giran en direcciones opuestas a una cierta velocidad. La distancia entre los rodillos
(GAP) es variable y resulta un parámetro clave sobre la distribución de tamaño de
partículas (Particle Size Distribution, PSD) que abandona la unidad. El modelo de este
equipo fue presentado y validado con datos experimentales provenientes de una planta
de granulación de urea de alta capacidad en una contribución previa (Cotabarren et al.
2008). El modelo desarrollado permite predecir la PSD de salida del molino a partir de
la PSD de la alimentación y el espaciado entre rodillos de cada par. La etapa de
clasificación se lleva a cabo en una zaranda vibratoria de doble paño. El modelo de este
equipo, que fue presentado y validado con datos experimentales de planta en una
contribución anterior (Cotabarren et al. 2009), establece la performance de cada paño de
la zaranda mediante la determinación del coeficiente de partición para la corriente de
gruesos y cada intervalo de tamaño.
El granulador de lecho fluidizado se encuentra constituido por tres cámaras de
crecimiento en serie, dentro de las cuales se atomiza la solución de urea concentrada,
seguidas de algunas cámaras de enfriamiento. Para la representación matemática de esta
unidad se prestó especial atención en la descripción de los fenómenos de cambio de
tamaño existentes (recubrimiento), así como también en la resolución numérica del
balance de población (ecuación constitutiva requerida para predecir la PSD de salida).
El modelo utilizado incluye, además del balance de población, los balances de masa,
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
energía y cantidad de movimiento para todas las cámaras, los cuales fueron
desarrollados en trabajos previos (Bertín 2011, Cotabarren 2012).
El enfriador de lecho fluidizado tiene como objetivo disminuir la temperatura de la
corriente de partículas que deja el granulador, sin generar cambio alguno en la PSD de
la misma. Por lo tanto, fue modelado como si fuera una cámara de enfriamiento del
granulador, respetando las características geométricas y operativas de la unidad en
particular (Cotabarren et al. 2011).
Todos los modelos fueron implementados y desarrollados en el ambiente de
gPROMS, disponiendo de una herramienta robusta para simulación y optimización del
circuito de granulación (Cotabarren et al. 2010). gPROMS es un software potente para
la simulación y optimización de diversos modelos de procesos, tanto en estado
estacionario como dinámico, cuya aplicación ha sido ampliamente demostrada, aún para
procesos que involucran sólidos particulados tales como la cristalización de
antisolventes o la granulación húmeda en la producción de comprimidos farmacéuticos
(Nowee et al. 2008, Boukouvala et al. 2013).
En la práctica industrial, la calidad del producto se evalúa en función de diferentes
parámetros, por ejemplo: la fracción en masa de partículas dentro de un determinado
rango de tamaño (e.g., W2-4mm) y la mediana o SGN (Size Guide Number) de la PSD. El
SGN representa el tamaño en milímetros para el cual el 50 % en peso de los sólidos es
más grande y el 50 % es más chico, multiplicado por 100. En general, y como
consecuencia de los estándares internacionales, se busca un producto con partículas de
tamaño entre 2 y 4 mm (Karnaphuli Fertilizer Co., 2011) y valores de SGN entre 270 y
310 (Giovanelli y Schech 2004, CF Industries, 2011).
Además, durante la operación normal del circuito de granulación, existen ciertas
restricciones físicas que no deben ser violadas para garantizar la buena performance del
proceso. Respecto al granulador, la altura de los lechos fluidizados dentro de las
cámaras (Lk) no puede exceder la altura del tabique divisorio entre ellas (Lweir). Esta
restricción debe verificarse para evitar el rebalse o bypass del sólido, lo cual puede
alterar el tiempo de residencia de las partículas en las cámaras y consecuentemente,
afectar su crecimiento. Por otra parte, las alturas de las cámaras deben ser mayores que
una altura mínima para asegurar que las gotas de solución de urea atomizadas desde el
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
fondo queden dentro del lecho. Por ende, se recomiendan alturas de lechos en las
cámaras entre 50 y 90 % de la altura del tabique divisorio. Por otro lado, las
temperaturas de las cámaras de crecimiento (primeras tres) están restringidas a un rango
estrecho. Las mismas deben ser menores que la temperatura de fusión de la urea
(132 ºC) para evitar la rápida defluidización del lecho por aglomeración descontrolada
de partículas (fenómeno denominado apagado del lecho, i.e., bed quenching), y mayores
que 100 ºC para favorecer la rápida evaporación del contenido de agua de la solución de
urea. Por lo tanto y considerando un cierto margen de seguridad, se asume que las
temperaturas de las cámaras de crecimiento pueden variar entre 100 y 120 ºC.
Como se mencionó en la introducción, en este trabajo se incorpora al modelo del
granulador industrial un parámetro empírico que relaciona la formación de aglomerados
con ciertas variables operativas, a fin de establecer nuevos límites de operación que
garanticen crecimiento por recubrimiento puro (i.e., sin aglomeración). Varios autores
estudiaron los fenómenos de recubrimiento puro y aglomeración mediante el cálculo de
parámetros relacionados con las condiciones de operación. En la Tabla 1 se encuentran
enumerados los criterios más relevantes, junto con las variables involucradas en cada
uno de ellos.
Es interesante destacar que la “Teoría de Ennis” fue desarrollada para sistemas de
granulación a partir de ligantes en solución, mientras que los criterios basados en el
“Número de Akkermans” y las “Escalas de tiempo de los diferentes eventos
microscópicos que tiene lugar” fueron propuestos para granulación en lechos
fluidizados a partir de ligantes en solución y fundidos, respectivamente. Según la
información presentada en la Tabla 1, tanto la Teoría de Ennis como el análisis
reportado por Chua et al. (2011a, 2011b, 2011c, 2013), involucran la determinación
experimental de numerosos parámetros microscópicos (i.e., coeficiente de restitución,
rugosidad de partícula, distribución de gotas, velocidad de gotas, etc.) además del uso
de técnicas computacionales complejas (CFD, Teoría cinético molecular, DEM, etc.)
para la implementación de los mismos. Esto limita fuertemente su aplicación a sistemas
de escala industrial, donde aún no se encuentran desarrolladas las herramientas de
simulación y medición necesarias. Aunque el criterio asociado al Número de
Akkermans (Akkermans 1998, Boerefijn y Hounslow 2005, Boerefijn et al. 2013) se
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
basa en variables macroscópicas, fue desarrollado para sistemas con inyección de
ligante por tope involucrando el área proyectada de atomizado sobre la superficie del
lecho fluidizado de partículas. Para los sistemas de inyección de fundido por fondo,
como el que se estudia en esta contribución, el área proyectada de atomizado es variable
debido a que las boquillas se encuentran inmersas en el lecho fluidizado. Si bien es
posible establecer la variación del área proyectada de atomizado (con la altura del lecho
fluidizado para distintas condiciones operativas) en escala laboratorio, su determinación
resulta poco factible en un sistema industrial.
Teniendo en cuenta la cantidad de parámetros requeridos y las limitaciones de
aplicabilidad de los criterios mencionados al caso en estudio, en este trabajo se propone
el desarrollo de un parámetro empírico que permite identificar el régimen de
crecimiento de las partículas. Este parámetro se encuentra formulado en función de las
variables de proceso más relevantes. Los datos experimentales utilizados para definir
dicho parámetro fueron obtenidos en un equipo piloto discontinuo cuyas dimensiones
resultaron de un procedimiento de escalado que respeta las características fluido-
dinámicas de una cámara de granulación de la unidad industrial. Las variables
operativas analizadas fueron el caudal de urea fundida ( lm& ), el caudal de aire de
fluidización (am& ), la concentración de urea en la solución (xu), y el tamaño de semillas
(dP-semillas). Las experiencias se realizaron perturbando una variable operativa por vez y
cuantificando el porcentaje de aglomerados en el producto obtenido (Veliz et al. 2013).
Los resultados de las experiencias escala piloto estuvieron en concordancia con las
tendencias reportadas por otros autores que también estudiaron la preponderancia de los
distintos mecanismos de crecimiento ante perturbaciones en condiciones operativas de
sistemas de granulación en lechos fluidizados. En acuerdo con Smith y Nienow (1983),
se verificó que incrementos en el caudal de aire de fluidización y en el tamaño de las
semillas disminuyen la formación de aglomerados. Abberger et al. (2002) observaron la
misma tendencia respecto al tamaño inicial de partículas. Tan et al. (2006) encontraron
que el porcentaje de aglomerados aumenta cuando se incrementa el caudal de ligante
fundido inyectado, mientras que disminuye cuando se aumenta la velocidad del aire de
fluidización. En cuanto a la concentración del ligante, Roy et al. (2010) verificaron que
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
el porcentaje de aglomerados aumenta cuando se incrementa el contenido de agua de la
solución atomizada.
Tabla 1. Criterios para el análisis de crecimiento en procesos de granulación.
Criterio Variables
Teoría de Ennis
Ennis et al. (1991)
⋅ vSt < *
vSt : aglomeración
⋅ vSt = *
vSt : intermedio
⋅ vSt > *
vSt : recubrimiento puro
µ
ρ
9
8 pop
v
duSt =
+=
a
vh
h
eSt 0*
ln1
1
ρp = densidad del sólido
u0= velocidad de colisión
relativa
dp = diámetro de partícula
promedio
µ = viscosidad del ligante
e = coeficiente de restitución
ha = altura de la rugosidad de la
superficie del gránulo
h0 = grosor de la película de
líquido que recubre la partícula
Número de Akkermans
Akkermans (1998)
Boerefijn et al. (2005)
Boerefijn et al. (2013)
⋅ Akk < 3.5: aglomeración
⋅ Akk >3.5: recubrimiento puro
( )
−=
l
mfpspray
kkm
uuAA
&
ρlog
ρp = densidad del sólido
u = velocidad superficial del
aire de fluidización
umf = velocidad de mínima
fluidización
lm& = caudal de ligante
Aspray = área proyecta del spray
de ligante sobre la superficie
del lecho fluidizado
Escalas de Tiempo
Chua et al. (2011a)
Chua et al. (2011b)
Chua et al. (2011c)
Chua et al. (2013)
Análisis de la velocidad de
eventos microscópicos (etapa
controlante)
⋅ wτ : esparcimiento del ligante
⋅ ssτ : colisión entre partículas
⋅ sgτ : colisión partícula-gota
⋅ solτ : solidificación del ligante
( )γµϑτ ,,,, gpw ddf=
( )θετ ,,, 0 spss gdf=
=
zru
dmgdf
slg
pgg
sg,,,,...
,...,,,, 0
φρ
θτ
&
=
plp
ptlg
solTTCp
df
,,...
,...,,,, ραλρτ
ϑ = ángulo de contacto
dp = diámetro de partícula
dg = diámetro de gota
µ = viscosidad del ligante
γ = tensión superficial del
ligante
g0 = función de distribución
radial de gotas
εs = fracción volumétrica de
sólido
θ = temperatura granular
gm& = caudal de gotas
ug = velocidad de la gota
ρl = densidad del ligante
φ = ángulo de spray
rs = radio de spray
z = altura de spray
λ = calor latente de fusión
αt = difusividad térmica
Cpp = cap. calorífica del sólido
Tl = temperatura del ligante
Tp = temperatura del sólido
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
En función de las tendencias observadas (coincidentes con las reportadas en la
literatura) y a partir de la abundante información experimental recogida, se postuló un
parámetro (R) de carácter empírico que relaciona la formación de aglomerados con las
variables operativas ensayadas y permite establecer los límites de operación para
garantizar crecimiento por recubrimiento puro (i.e., sin aglomeración). En la siguiente
sección se presenta el desarrollo que condujo a la formulación del parámetro de
aglomeración y, a continuación, los resultados de optimizaciones de estado estacionario
y dinámicas que maximizan o minimizan variables de interés del circuito contemplando,
además de las restricciones de operación y calidad de producto previamente
mencionadas, el límite de crecimiento por recubrimiento puro.
3. Resultados
3.1. Parámetro de Aglomeración
Considerando el efecto de las variables ensayadas en el granulador de lecho
fluidizado escala piloto, se definió un parámetro de aglomeración R del tipo:
( ) ( )
( )d
u
c
l
b
mf
a
p
xM
m
uudR
−
−=
1&
(1)
donde dp es el diámetro promedio de las partículas en la cámara del granulador, u la
velocidad superficial del aire de fluidización, umf la velocidad de mínima fluidización
de las partículas presentes en la cámara, lm& el caudal de solución de urea, M la masa
final del lecho fluidizado, xu la concentración de urea en la solución y a, b, c y d los
parámetros de ajuste. Es interesante destacar que cambios en el caudal de solución de
urea implican variaciones en la masa final del lecho fluidizado (todos los ensayos se
realizaron con igual masa inicial de lecho), es por ello que el parámetro de
aglomeración se encuentra en función de la relación entre el caudal de solución de urea
y la masa de la cámara granulación correspondiente. Acorde a la Ec. (1):
• R aumenta si aumenta la velocidad de aire en exceso (u - umf), lo cual favorece
la fuerza de repulsión entre partículas que coalescen e incrementa a la vez las
velocidades de enfriamiento de la urea y evaporación del agua contenida en la
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
solución que se deposita sobre las semillas, acelerando los procesos de
solidificación y evitando a la vez la aglomeración.
• Operando a velocidad de fluidización constante, la dependencia de R con el
diámetro de partícula se refleja a través de dos factores de manera simultánea: el
diámetro de las partículas propiamente dicho y la velocidad de exceso, que
disminuye a medida que aumenta el diámetro de las partículas por el incremento
en umf. Por consiguiente, la dependencia de R con dp es de tipo parabólica, es
decir, que aumenta para diámetros de partículas pequeños y grandes.
• R aumenta si se disminuye el caudal de solución de urea, lo cual ocasiona una
disminución en las fuerzas de adhesión y, por lo tanto, minimiza la
aglomeración.
• R aumenta cuando la concentración de urea (expresada como fracción másica en
peso) aumenta. En efecto, cuando se reduce el contenido de agua en la solución
los niveles térmicos en el lecho son mayores acelerando el proceso de secado y
disminuyendo la factibilidad de aglomeración.
El trabajo realizado consistió en ajustar los parámetros a-d de la Ec. (1), tal que el
porcentaje en masa de gránulos aglomerados en el producto obtenido al finalizar el
proceso pudiera ser representado por una única curva dada en función del parámetro R.
De este modo, si se conocieran las variables involucradas en la Ec. (1), sería posible
establecer rápidamente el porcentaje de aglomerados formados. Bajo este enfoque, los
parámetros ajustados son los que se presentan en la siguiente ecuación:
( ) ( )
( ) 8.0
6.1
32
1 u
l
mfp
xM
m
uudR
−
−=
&
(2)
La Figura 2 muestra el porcentaje de aglomerados encontrado en el producto en
función del parámetro R formulado según la Ec. (2). En coincidencia con lo arriba
presentado, valores de R altos están asociados a bajos porcentajes de aglomerados,
indicando un régimen de crecimiento en el que predomina el recubrimiento puro.
Teniendo en cuenta los datos presentados en la Fig. 2 y admitiendo para el
granulador industrial un porcentaje máximo de aglomerados entre 5 y 10 % en peso, se
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
estableció el valor crítico de R en 2.7 (R*). Por consiguiente, se asumió que aquellas
condiciones operativas que conducen a R>R* garantizan un porcentaje de formación de
aglomerados mínimo (i.e., menor al máximo tolerable) y, en consecuencia, el régimen
de crecimiento deseado como dominante.
0
5
10
15
20
25
30
35
40
45
50
0 5 10 15 20
aglo
mer
ados
(%p/
p)
R
u-umf
dP-semillas
ml
xu
R*
Fig. 2. Porcentaje de aglomerados en función del parámetro de aglomeración R
(Ec. 2) para el granulador de lecho fluidizado escala piloto. Ensayos de granulación
bajo diferentes caudales de urea fundida (lm& ), velocidades de exceso (u-umf),
concentraciones de la solución de urea (xu) y tamaño de semillas (dP-semillas).
Una vez encontrada la expresión de R que mejor ajusta los datos experimentales, se
procedió a implementarlo en el simulador del circuito de granulación industrial
realizando posteriormente simulaciones similares a las perturbaciones ensayadas en el
equipo escala piloto (para el caudal y la concentración de la solución de urea y el caudal
de aire de fluidización). No fue posible simular perturbaciones en el tamaño medio de
las partículas de cada cámara debido a que esta variable no es independiente de la
operación del circuito y, por lo tanto, no puede manipularse libremente. No obstante, el
factor R puede ser correctamente calculado debido a que se resuelve el balance de
población en cada cámara y, por lo tanto, pueden calcularse diámetros promedio (i.e.,
diámetro de Sauter)
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
En las Figs. 3.a, 3.b y 3.c se muestran los valores de R calculados por el simulador
del granulador industrial perturbando las variables representadas en el eje de las
abscisas de dichas figuras. Como se puede observar, los R del caso industrial adquieren
valores dentro los cuales se ha realizado el ajuste de parámetros para el granulador
piloto.
0
4
8
12
16
20
-1 0 1 2 3
R
variación ml/M (%)
simulado
experimental
3.a
0
5
10
15
20
25
30
-0.5 0 0.5 1
R
variación (u-umf ) (%)
simulado
experimental
3.b
0
2
4
6
8
10
12
14
16
-2 0 2 4 6
R
variación xu (%)
simulado
experimental
3.c
Fig. 3. R experimental vs R predicho para cambios en: a) Mml /& , b) u-umf y c) xu.
3.2. Optimizaciones de Estado Estacionario
Implementado el parámetro de aglomeración en el simulador del circuito industrial y
teniendo en cuenta las restricciones operativas de temperatura y altura de las cámaras al
igual que las relacionadas con la calidad del producto a comercializar, se realizaron
optimizaciones de estado estacionario para explorar nuevas condiciones de operación
del circuito que garanticen el crecimiento por recubrimiento puro de manera
predominante.
Las optimizaciones de estado estacionario se basaron en: a) maximizar la fracción de
producto en especificación (W2-4mm) y b) minimizar la fracción de material que se
recicla al granulador (r), en ambos casos manipulando el espaciado entre el par de
rodillos inferior del molino (GAPL) y la apertura de las mallas superior e inferior de la
zaranda (hT y hB, respectivamente); y c) maximizar el caudal de producto (FP)
manipulando el caudal de solución de urea que ingresa a las cámaras de crecimiento
( lm& ), la descarga de material del granulador (α), el espaciado entre el par de rodillos
inferior del molino y la temperatura del aire de fluidización. Si bien las aperturas de las
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
mallas de la zaranda no son variables que puedan modificarse en forma continua
durante la operación, estudiar su variación resulta útil para determinar nuevas
condiciones de diseño. Por otra parte, es conveniente mencionar que para el estado
estacionario inicial, el área de descarga del granulador se encuentra abierta en un 87 %
del total disponible. Por lo tanto, α (coeficiente que representa la fracción de dicha área
en un determinado tiempo con respecto al valor de estado estacionario inicial) varía
entre 0 (i.e., ducto completamente cerrado) y 1.15 (1/0.87; que equivale al ducto
totalmente abierto). Los resultados de las optimizaciones se muestran en la Tabla 2.
Tal como se observa, la fracción de producto en especificación (ver Opt. 1 en Tabla
2) se puede incrementar hasta un 94.86 % aumentando el espaciado entre los rodillos
del par inferior del molino y restringiendo la clasificación de las zarandas a un rango
óptimo, tal que se elimine una mayor proporción de finos de la corriente de producto y
se retengan más gruesos sobre la malla superior (i.e, por aumento de hB y simultánea
disminución de hT). Esta primera optimización indica que el aumento en W2-4mm se
encuentra limitado únicamente por el incremento en la altura de la segunda cámara del
granulador (L2), que alcanza el límite superior de la restricción. En consecuencia, la
restricción por aglomeración no resulta activa en este análisis que involucra la
maximización de la fracción de producto en especificación mediante la manipulación
de GAPL, hB y hT.
En cuanto a la minimización de la fracción de reciclo (Opt. 2), se observa que es
posible disminuir dicha variable en un 45 %, manteniendo constante el espaciado entre
rodillos e incrementando la cantidad de urea que clasifica como producto mediante un
aumento de la apertura de la malla superior y una disminución de la apertura de la malla
inferior. Como es de esperar, la disminución en el caudal de reciclo al granulador está
acompañada por disminuciones en las alturas de los lechos fluidizados y aumentos en
las temperaturas de las cámaras de crecimiento. A diferencia de los resultados obtenidos
por Cotabarren (2012), donde la variable que restringe la optimización es el SGN del
producto (SGNP), en este caso el parámetro de aglomeración es el que adopta el mínimo
valor permitido (R=2.7).
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Tabla 2. Optimizaciones de estado estacionario.
Caso Base Opt. 1 Opt. 2 Opt. 3 Opt. 4 Opt. 5
Función Objetivo
W2-4mm (%p/p) 91.58 94.83 - - - -
R 0.67 - 0.38 - - -
FP FP - - 1.13FP 1.23FP 1.28FP
Variables Manipuladas
GAPL (mm) 1.40 2.07 1.40 - - 2.29
hT (mm) 4.15 3.97 4.22 - - -
hB (mm) 3.00 3.30 2.57 - - -
lm& lm& - - 1.13 lm& 1.23 lm& 1.28 lm&
Α 1.00 - - - 1.08 1.13
Restricciones
SGNP 280 293 273.5 278.7 277.6 295.5
L1 0.73Lweir 0.83Lweir 0.56Lweir 0.83Lweir 0.83Lweir 0.79Lweir
L2 0.80Lweir 0.90Lweir 0.61Lweir 0.90Lweir 0.89Lweir 0.85Lweir
L3 0.77Lweir 0.87Lweir 0.57Lweir 0.86Lweir 0.86Lweir 0.82Lweir
L4 0.78Lweir 0.88Lweir 0.60Lweir 0.87Lweir 0.87Lweir 0.83Lweir
L5 0.72Lweir 0.82Lweir 0.54Lweir 0.81Lweir 0.80Lweir 0.76Lweir
L6 0.67Lweir 0.77Lweir 0.51Lweir 0.76Lweir 0.75Lweir 0.70Lweir
T1 (°C) 104.5 100.8 112.5 109.3 111.9 112.4
T2 (°C) 110.6 108.8 113.8 116.1 118.8 119.6
T3 (°C) 109.7 109.9 109.7 116.1 118.9 120.0
R 3.37 3.50 2.70 3.00 2.70 2.70
Otras Variables
r 0.67 0.91 0.38 0.58 0.58 0.60
W2-4mm (%p/p) 91.58 94.83 88.29 90.99 90.97 91.10
El aumento en la capacidad de planta (i.e., caudal de producto FP) es un escenario
deseado en la práctica industrial para maximizar el beneficio. En el primer caso
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
estudiado, referenciado como Opt. 3, se planteó como única variable a manipular el
caudal de solución de urea. Tal como muestran los resultados de la Tabla 2, la
capacidad de la planta puede incrementarse hasta un 13 %. No se logran aumentos
superiores en el caudal de producto debido a que, al igual que en Cotabarren (2012), la
altura en la segunda cámara del granulador alcanza el límite máximo establecido como
restricción. La fracción de producto en especificación permanece casi constante y la
relación de reciclo disminuye un 12 %. El incremento en las alturas de los lechos
fluidizados se debe a la inyección de un mayor caudal másico de solución de urea, la
cual se encuentra a temperaturas relativamente altas (130-132 ºC) y, por lo tanto,
induce además un aumento en la temperatura de las tres primeras cámaras. El
parámetro de aglomeración toma valores mayores al mínimo admisible, asegurando el
crecimiento por recubrimiento.
Posteriormente, se evaluó la posibilidad de aumentar aún más la capacidad de planta
sumando al caudal de urea, el área de descarga del granulador (i.e., favoreciendo la
disminución de la altura de los lechos fluidizados) como nueva variable manipulada.
Esta acción permite, tal como se observa en la Opt. 4, lograr un 23 % más de capacidad
respecto al caso base. La optimización se ve limitada por el parámetro de aglomeración,
que alcanza el valor mínimo permitido. En efecto, cuando R no se incluye como una
restricción de la optimización, es posible aumentar la capacidad de planta hasta un 28
% aunque el parámetro de aglomeración adopta un valor de 2.5, menor al valor crítico
permitido para garantizar crecimiento por recubrimiento puro.
Acorde al resultado de la Opt. 4, resulta interesante evaluar GAPL como tercera
variable a manipular. Los resultados de esta última optimización muestran que se
incrementa la capacidad de planta en un 28 % con relación al caso base. Por otra parte,
sigue siendo limitante el parámetro de aglomeración tornándose también activa la
restricción máxima de temperatura en la tercera cámara del granulador. Si bien no se
incluyen los resultados en el presente trabajo, se testeó una optimización adicional que
incorporaba como cuarta variable manipulada la temperatura del aire de fluidización.
Dicha optimización no resultó relevante ya que la capacidad de planta permaneció
prácticamente constante con respecto a la Opt. 4.
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Aunque la optimización de estado estacionario es de interés obvio para los procesos
industriales, la optimización dinámica reviste una importancia especial debido a la
posible operación oscilatoria de los circuitos de granulación. En efecto, si la planta
opera en un dado punto nominal y se desea modificarlo para alcanzar un estado óptimo
final, es necesario recurrir a optimizaciones que maximicen o minimicen funciones
objetivo de interés en todo el horizonte de tiempo. Por otra parte y debido a la
característica integrada del circuito, puede que varias restricciones del sistema no se
respeten a lo largo del tiempo de operación. Por este motivo, se requiere buscar perfiles
óptimos que permitan alcanzar objetivos factibles en todo tiempo. Es por ello que a
continuación se presenta un caso particular de optimización dinámica.
3.3. Optimizaciones Dinámicas: Problemas de Control Óptimo
En esta sección se exploran las capacidades del modelo dinámico desarrollado para
el circuito (i.e., incluyendo el parámetro de aglomeración) con el objeto de encontrar
políticas de operación óptimas que permitan evolucionar desde un estado estacionario
inicial hasta otro final, maximizando la capacidad de planta y satisfaciendo las
restricciones previamente mencionadas durante todo el horizonte de tiempo establecido.
De todas las optimizaciones de estado estacionario planteadas, sólo se presenta en
estado dinámico el caso denominado Opt4. Además de lograr el máximo aumento en
capacidad para el análisis de estado estacionario, dicha optimización conlleva a una
disminución de la fracción de reciclo manteniendo la fracción de producto en
especificación prácticamente constante.
Se utilizó el ambiente de gPROMS para la implementación del mencionado
problema de control óptimo. gPROMS permite resolver este tipo de optimizaciones
estableciendo los perfiles óptimos de las variables manipuladas con valores
escalonados, donde en un determinado intervalo de tiempo (intervalo de control) las
variables son constantes. Debido a que el software puede manejar el número de
intervalos de control y es capaz de regular la duración del intervalo, es posible obtener
muy buenas soluciones a los problemas de optimización. Para definir el horizonte de
tiempo, el usuario debe especificar el número de intervalos de control y la duración
mínima de los mismos. Según las simulaciones dinámicas presentadas por Cotabarren et
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
al. (2010), 10 horas resulta un horizonte de tiempo total adecuado si se pretende
alcanzar un nuevo estado estable. Por otra parte, la mínima duración posible de los
intervalos de control se estableció en 10 minutos para lograr perfiles óptimos razonables
de implementar en la práctica industrial.
0.8
0.9
1
1.1
1.2
1.3
1.4
0 2 4 6 8 10 12
func
ión
obje
tivo
tiempo (h)
FP(t)/FP(t0)
4.a
-0.4
0.1
0.6
1.1
1.6
2.1
2.6
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
0 2 4 6 8 10 12
GA
PL(t
)
ml(t
)/m
l(t0) -α
(t)/α
(t0)
tiempo (h)
ml(t)/ml(t0)
α(t)/α(t0)
GAPL(t)/GAPL(t0)
4.b
Fig. 4. Trayectorias en el tiempo de la función objetivo y las variables
manipuladas.
Para el caso en estudio, en la Fig. 4 se muestran los perfiles temporales de la función
objetivo (capacidad de planta) y de las variables manipuladas (caudal de solución de
urea, descarga del granulador y espaciado entre el par de rodillos inferior del molino).
Todas las variables excepto GAPL se encuentran referidas a los valores de estado
estacionario iniciales. El aumento de capacidad en el tiempo se calcula integrando el
perfil de la producción y dividiéndolo por la duración del horizonte de tiempo, para
luego comparar ese valor con el del estado estacionario inicial. Siguiendo este
procedimiento, el aumento en producción promedio resultó ser 26 %, valor algo inferior
al obtenido en el estudio de optimización de estado estacionario presentado
anteriormente (28 %). Esto resulta razonable si se considera que esta optimización se
realizó manteniendo las restricciones planteadas dentro de los valores admitidos durante
todo el horizonte de tiempo analizado.
En la Fig. 5 se muestra la evolución en el tiempo de las alturas de los lechos
fluidizados (Fig. 5.a), las temperaturas de las cámaras de crecimiento (Fig. 5.b), el SGNP
(Fig. 5.c) y el parámetro de aglomeración (Fig. 5.d). Se observa que todas las variables
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
se encuentran dentro de los límites establecidos, siendo el parámetro de aglomeración
en primer lugar y la temperatura de la segunda y tercera cámara del granulador en
segundo lugar, las variables que se encuentran restringiendo la optimización. En efecto,
la combinación de movimientos en el tiempo de las variables manipuladas es tal que
logra aumentar el caudal de solución de urea inyectado en el granulador, manteniendo el
parámetro de aglomeración y la temperatura de las cámaras de crecimiento sobre los
límites establecidos.
0
0.2
0.4
0.6
0.8
1
0 2 4 6 8 10 12
altu
ra d
e la
s cá
mar
as
tiempo (h)
límite
L1(t)/Lweir
L3(t)/Lweir
L5(t)/Lweir
L2(t)/Lweir
L4(t)/Lweir
L6(t)/Lweir
5.a
370
375
380
385
390
395
0 2 4 6 8 10 12
tem
pera
tura
de
las
cám
aras
(K)
tiempo (h)
límite
T1(t)
T2(t)
T3(t)
5.b
260
270
280
290
300
310
320
0 2 4 6 8 10 12
SG
NP
tiempo (h)
límite
SGNP(t)
5.c
2.5
2.7
2.9
3.1
3.3
3.5
0 2 4 6 8 10 12
R
tiempo (h)
límite
R(t)5.d
Fig. 5. Trayectorias en el tiempo para las restricciones del circuito.
La inclusión del parámetro de aglomeración desarrollado permite obtener nuevos
perfiles temporales para las variables manipuladas, que podrían ser implementados en el
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
circuito de granulación industrial para garantizar la operación en el régimen de
crecimiento por recubrimiento.
4. Conclusiones
En este trabajo se presenta un simulador de un circuito de granulación industrial
aplicado a la producción de urea en lechos fluidizados. Uno de los resultados relevantes
de esta contribución es la formulación de un parámetro, denominado de aglomeración,
en función de variables operativas del granulador definido como:
( ) ( )
( )
−
−=
8.0
6.1
32
1 ul
mfp
xM
m
uudR
&
El mismo se determinó a partir de datos experimentales propios, encontrando que R
debe ser menor a 2.7 para que la fracción de aglomerados en el producto sea menor al
5%. Este parámetro fue incluido en el simulador del circuito, lo cual permitió realizar
optimizaciones del proceso teniendo en cuenta esta restricción vinculada al mecanismo
de crecimiento de los gránulos. Las optimizaciones de estado estacionario y dinámicas
desarrolladas indican la necesidad de su inclusión en el simulador. En efecto,
optimizaciones de interés industrial muestran que el parámetro de aglomeración suele
ser una restricción activa. En síntesis, las distintas contribuciones del grupo han
permitido contar con un simulador con alta capacidad de representar el comportamiento
de plantas industriales de granulación de urea.
Agradecimientos
Los autores agradecen a la Universidad Nacional del Sur, a la Agencia Nacional de
Promoción Científica y Tecnológica (ANPCyT) y al Consejo Nacional de
Investigaciones Científicas y Técnicas (CONICET) por el soporte financiero durante
este trabajo.
Referencias
Abberger, T.; Seo, A.; Schaefer, T.; Schæfer, T. Int. J. of Pharm. 2002, 249, 185–197.
Adetayo, A. A.; Litster, J. D.; Cameron, I. T. Comp. & Chem. Eng. 1995, 19, 383–393.
Akkermans, J. Production of Detergent Granulates 1998.
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Balliu, N.; Cameron, I. T. Powder Technology 2007, 179, 12–24.
Bertín, D. Modelado y Simulación de un Granulador de Lecho Fluidizado para la
Producción de Urea, Universidad Nacional del Sur, Argentina, 2011.
Bertín, D.; Mazza, G.; Piña, J.; Bucalá, V. Ind. & Eng. Chem. Res. 2007, 46, 7667–
7676.
Boerefijn, R.; Hounslow, M. J. Chemical Engineering Science 2005, 60, 3879–3890.
Boerefijn, R.; Orlovic, M.; Reimers, C.; Pogodda, M.; Jacob, M. Chem. Eng. Sci. 2013,
86, 137–145.
Boukouvala, F.; Chaudhury, A.; Sen, M.; Zhou, R.; Mioduszewski, L.; Ierapetritou, M.
G.; Ramachandran, R. Journal of Pharmaceutical Innovation 2013, 8, 11–27.
CFIndustries. Deerfield, Illinois, USA. http://www.cfindustries.com/ProductUrea.htm.
Chua, K. W.; Makkawi, Y. T.; Hewakandamby, B. N.; Hounslow, M. J. Chemical
Engineering Science 2011, 66, 327–335.
Chua, K. W.; Makkawi, Y. T.; Hounslow, M. J. Chem. Eng. Sci. 2011, 66, 318–326.
Chua, K. W.; Makkawi, Y. T.; Hounslow, M. J. Chem. Eng. Sci. 2011, 66, 33–341.
Chua, K. W.; Makkawi, Y. T.; Hounslow, M. J. Chem. Eng. Sci. 2013, 1–15.
Cotabarren, I. M. Modelado y Simulación del Sector de Granulación de una Planta de
Urea, Universidad Nacional del Sur. Argentina, 2012.
Cotabarren, I.M.; Bertín, D.; Bucalá, V.; Piña, J. A validated flowsheeting tool for the
study of an industrial granulation process. Ind. & Eng. Chem. Res. 2013, In Press.
Cotabarren, I. M.; Bertín, D.; Piña, J.; Bucalá, V. Ind. & Eng. Chem. Res. 2011, 50,
11996–12010.
Cotabarren, I. M.; Bertín, D.; Romagnoli, J.; Bucalá, V.; Piña, J. Industrial Ind. & Eng.
Chem. Res. 2010, 49, 6630–6640.
Cotabarren, I. M.; Bertín, D.; Veliz, S.; Mirazú, L.; Piña, J.; Bucalá, V. Production of
Granular Urea as Nitrogenous Fertilizer. In C. M. Muñoz & A. M. Fernández (Eds.),
Urea: Synthesis, Properties and Uses (pp. 1–63). NOVA Publishers. 2012.
Cotabarren, I. M.; Rossit, J.; Bucalá, V.; Piña, J. Ind. & Eng. Chem. Res. 2009, 48,
3187–3196.
Cotabarren, I. M.; Schulz, P. G.; Bucalá, V.; Piña, J. Powder Technol. 2008, 183, 224–
230.
Ennis, B. J.; Tardos, G. I.; Pfeffer, R. Powder Technol. 1991, 65, 257–272.
Giovanelli, A.; Schech, R. Tenth Stamicarbon Urea Symposium 2004 2004.
Heinrich, S.; Peglow, M.; Ihlow, M.; Morl, L. Powder Technol. 2003, 130, 154–161.
Karnaphuli Fertilizer Company Limited. Rangadia, Anowara Chittagong, Bangladesh.
http://www.kafcobd.com/html/products.html.
Litster, J. D.; Ennis, B. J.; Liu, L. The Science and Engineering of Granulation
Processes; Particle Technology Series, Kluwer Academic Publishers: Dordrecht,
2004.
Nowee, S. M.; Abbas, A.; Romagnoli, J. Crystal Growth & Design 2008, 8, 2698–2706. Roy, P.; Khanna, R.; Subbarao, D. Powder Technol. 2010, 199, 95–99. Smith, P. G.; Nienow, A. W. Chem. Eng. Sci. 1983, 38, 1223–1231.
Tan, H. S.; Salman, A. D.; Hounslow, M. J. Chem. Eng. Sci. 2006, 61, 1585–1601.
Veliz, S.; Cotabarren, I.; Bertín, D.; Piña, J.; Pedernera, M.; Bucalá, V. In 6th
International Granulation Workshop; Sheffield, England, 2013.